エージェントステアリングとは、プルリクエストへの人間の関与のうち、コードを評価するのではなくコーディングエージェントに指示を出すという形をとるものを指す。探しているレビューはこれではない：AI 生成プルリクエストを人間はどうレビューしているか で用いられている分類では、エージェントステアリングのコメントは、Copilot、CodeRabbit、Devin、Claude、Gemini、Sourcery-AI などのエージェント名と、「run」「fix」「rebase」「test」「update」といった命令形の動詞を組み合わせたものである。インラインのコマンド（たとえば「@coderabbit fix lint failure」）も、単にエージェントへの呼びかけで始まるコメントも、このカテゴリに含まれる。これは、LLM エージェントではなくインフラストラクチャに向けられていることを決定的な特徴とする自動化・CI とのやりとりとも、実質的な評価フィードバックと短いプロセス上の発言の両方を含む残余カテゴリである人間による直接のレビューとも区別される。
用法
この用語は、プルリクエスト上の人間のコメントを単純に数えただけでは混ざってしまう 2 つのもの、すなわち人間が変更を評価することと、人間が変更を生み出すエージェントを操作することとを切り分けるために使われる。この切り分けこそが概念の要点である。この分類を導入した論文は、どちらも PR の履歴上では人間が書いたコメントとして現れるため、コメント数に基づくレビュー指標は監督と操作を区別できず、その結果、プロジェクトのレビュー活動が表す人間による評価の量を過大に見積もってしまうと論じている。
このカテゴリは、同論文が報告する最も顕著な対比を担うものでもある。同じリポジトリにおいて、エージェントステアリングは、エージェントが作成したプルリクエストに対する人間のレビューコメントの 25.92% を占めたのに対し、人間が作成したプルリクエストではわずか 1.63% であり、この差の効果量は大きかった（Cramér’s V = 0.34）。人気のあるリポジトリにおけるエージェント作成の PR 全体では、人間のコメントの 28.37% がエージェントステアリングであった。
適用される場面
エージェントステアリングは、変更の作成者自身が、スレッドに残された指示に基づいて行動できるエージェントである場合に人間が行うことを表す。したがってこの実践は、自らのプルリクエストを監視するエージェントと、コマンドチャネルを兼ねるレビューの場を前提としている。著者らは、PR コメントをこのように再利用することには現実的な利点があると述べている。既存のインフラストラクチャを再利用でき、フィードバックループを短縮できるという点である。
著者らの説明によれば、その失敗モードは運用上のものではなく解釈上のものである。評価とやりとりの境界が曖昧になり、観察可能なレビュー活動がもはや人間による直接の評価に対応しなくなる。これが、沈黙のレビューや記録されないレビューと組み合わさることで、PR の記録における人間の監督の追跡可能性が低下する。
この分類は単一の実証研究に基づいている。その境界は先行理論からではなくコーパスから導かれたもので、コメントを正規化したテキストでグループ化し、最も頻度の高い形を調べ、パターンを反復的に拡張することで得られた。手作業で再ラベル付けした 800 件のコメントによる検証では、3 クラスの分類体系の全体精度は 96.5% であり、エージェントステアリングは適合率 94.5%、再現率 95.0% であった。著者らは、残る誤分類は主にエージェントステアリングと人間による直接のレビューのあいだで生じており、命令形の表現とくだけた言説とのあいだの語彙的な重なりを反映していると報告している。